XML, schémas, DOM. Dan VODISLAV. Université de Cergy-Pontoise

Transcription

1 XML, schémas, DOM Dan VODISLAV Université de Cergy-Pontoise

2 Plan XML Principes Syntaxe Schémas pour XML DTD XML Schema Compléments XML Espaces de noms DOM 2

3 XML: extensible Markup Language Langage de description de documents structurés Utilisation de balises (balisage structurel) Standard W3C pour l échange / publication de données sur le web Héritage: HTML: documents publiés sur le web SGML: documentation technique (documents structurés) HTML est une grammaire spécifique de SGML Données structurées: bases de données relationnelles, objet 3

4 Pourquoi XML? HTML: documents sur le web Langage de présentation pour les documents du web Ensemble fixé de balises: structure de document + mise en page Difficile de déduire la signification du contenu Données structurées: bases de données Décrivent le contenu, pas la présentation qu on peut en faire Structure régulière basée sur des types simples: string, int, boolean, Les documents du web mal adaptés à cette structuration rigide Conclusion: on a besoin de séparer le contenu de la présentation, mais à l aide d une structuration flexible, adaptée aux documents 4

5 Exemple Bibliographie G. Gardarin, XML : des bases de données aux services web, Dunod, 2003 S. Abiteboul, N. Polyzotis, The Data Ring, CIDR, 2007 HTML <h1>bibliographie</h1> <ul><li>g. Gardarin, xml : Des Bases de Données aux Services Web, Dunod, 2003 <li>s. Abiteboul, N. Polyzotis, the Data Ring, CIDR, 2007 </ul> Base de données relationnelle «Bibliographie» Auteur Titre Éditeur Conférence Année G. Gardarin XML : des bases de données aux services web Dunod NULL 2003 S. Abiteboul The Data Ring NULL CIDR 2007 N. Polyzotis The Data Ring NULL CIDR

6 Exemple (suite) XML <bibliographie> <ouvrage année="2003"> <auteur>g. Gardarin</auteur> <titre>xml : Des Bases de Données aux Services Web</titre> <éditeur>dunod</éditeur> </ouvrage> <ouvrage année="2007"> <auteur>s. Abiteboul</auteur> <auteur>n. Polyzotis</auteur> <titre>the Data Ring</titre> <conférence>cidr</conférence> </ouvrage> </bibliographie> 6

7 Syntaxe XML Un document XML contient: Un prologue: présence facultative, mais fortement conseillée Version du langage XML, codage des caractères (par défaut UTF-8), existence de déclarations extérieures au document <?xml version="1.0" encoding="iso " standalone="yes"?> Déclaration de type de document (DTD) - facultatve <!DOCTYPE exemple [ déclarations ]> <!DOCTYPE exemple SYSTEM "exemple.dtd"> Un arbre d éléments: obligatoire <document> <salutation>bonjour!</salutation> </document> Des commentaires et des instructions de traitement: facultatifs <! - Ceci est un commentaire --> <?xml-stylesheet type="text/xsl" href="style.xsl"?> 7

8 Arbre d éléments Un document est formé d une hiérarchie (arbre) d éléments L arbre a un élément racine unique Le contenu d un élément est délimité par des balises Tout élément fils est inclus dans son père : <a></a> n est pas correct Un élément est de la forme: <nom attr='valeur'> contenu </nom> <nom> : balise d'ouverture </nom> : balise de fermeture, obligatoire (sauf pour les éléments vides <nom/>) nom formé de lettres, chiffres, _, -,., : (signification spéciale) commence par une lettre ou par _ et ne commence pas par les caractères «xml» contenu : contenu d'un élément vide, texte, autres éléments, imbrication de texte et d autres éléments instructions de traitement, commentaires attr='valeur' : ensemble éventuellement vide d'attributs la valeur doit être délimitée par des apostrophes ou des guillemets <rapport langue='fr' dern-modif='08/07/99'> 8

9 Documents bien formés et documents valides Document XML bien formé : document correct sans DTD le prologue ne contient pas de déclaration de type de document (DTD) contient un arbre d'éléments correct <?xml version="1.0" standalone="yes"?> <document> <salutation>bonjour!</salutation> </document> Document XML valide : document correct avec DTD son prologue contient une déclaration de type de document (DTD) son arbre d'éléments respecte la structure définie par la déclaration de type <?xml version="1.0" encoding="iso " standalone="yes"?> <!DOCTYPE document [ <!ELEMENT document (salutation)> <!ELEMENT salutation (#PCDATA)> ]> <document> <salutation>bonjour!</salutation> </document> 9

10 Formes sérialisée et arborescente Forme sérialisée d un document/élément Chaîne de caractères (texte) incluant balises et contenu textuel Exemple <lettre type='court'><salutation>bonjour!</salutation><fin>au revoir</fin></lettre> ou avec un peu de mise en forme <lettre type='court'> <salutation>bonjour!</salutation> <fin>au revoir</fin> </lettre> Forme arborescente Utilisée par les applications, modèle DOM (W3C) lettre type court salutation Bonjour! fin Au revoir 10

11 Les DTD DTD = grammaire pour la structure des documents Facultative, interne ou externe au document Contient des déclarations pour les éléments, attributs, entités, notations utilisés Avantages de l utilisation de DTD Partage d une même structure entre plusieurs documents, structures «standard» pour une communauté Vérification stricte et automatisable de la correction des documents Document DTD <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE document SYSTEM "accueil.dtd"> <document type='exemple'> <salutation> Bonjour! </salutation> </document> <! - fichier accueil.dtd. Exemple de DTD simple --> <! - Définition de l'élément racine --> <!ELEMENT document (salutation)> <! - Définition de l attribut type pour l élément document --> <!ATTLIST document type CDATA #IMPLIED> <! - Un élément salutation ne contient que du texte --> <!ELEMENT salutation (#PCDATA)> 11

12 Déclaration d éléments <!ELEMENT nom modèle> ELEMENT est un mot-clé (en majuscules!) nom est un nom valide d'élément modèle est le modèle de contenu de cet élément Modèles de contenu éléments : l élément est composé d autres éléments (fils) données : l élément contient du texte mixte : mélange de texte et de sous-éléments libre : contenu quelconque bien formé vide : pas de contenu, seuls les attributs sont importants 12

13 Modèles de contenu pour les éléments Sous-éléments : plusieurs façons de les combiner séquence : <!ELEMENT chapitre (titre,intro,section)> Remarque: l ordre des éléments est important alternative : <!ELEMENT chapitre (titre,intro,(section sections))> indicateurs d'occurrence: * (0-n), + (1-n),? (0-1) <!ELEMENT chapitre (titre,intro?,section+)> <!ELEMENT section (titre-section,texte-section)> <!ELEMENT texte-section (p f)*> Données : texte <!ELEMENT p (#PCDATA)> Mixte : une seule façon de mélanger texte et sous-éléments est acceptée <!ELEMENT p (#PCDATA em exposant indice renvoi)*> 13

14 Modèles de contenu pour les éléments (suite) Libre : contenu bien formé, mais sans restrictions <!ELEMENT p ANY> Vide : pas de contenu, seuls les attributs sont importants <!ELEMENT p EMPTY> Exemple <!ELEMENT p (#PCDATA bibref)* > <!ELEMENT bibref EMPTY> <!ATTLIST bibref ref IDREF #REQUIRED> utilisation: consulter <bibref ref='ref '/> 14

15 Sections CDATA Le contenu texte (#PCDATA) n'a pas le droit de contenir des caractères réservés (par exemple < ou > ) On peut les «protéger» en utilisant des sections CDATA Exemple <program> if(i<5) return i; </program> <program> <![CDATA[if(i<5) return i;]]> </program> incorrect correct 15

16 Déclaration d attributs <!ATTLIST nom-élém > nom-attr type-attr décl-défaut nom-attr type-attr décl-défaut Pour un élément donné on décrit la liste de ses attributs Chaque attribut: un nom, un type et une valeur par défaut Remarque: l ordre des attributs n est pas important Ex. <!ELEMENT ex (#PCDATA)> <!ATTLIST ex xml:lang NMTOKEN #IMPLIED cible ID #REQUIRED nb (1 2 3) '1' propriétaire CDATA #FIXED 'moi' > Valeur par défaut d'un attribut La valeur en question #REQUIRED : attribut obligatoire, valeur à être précisée dans le document #IMPLIED : attribut facultatif, valeur à être précisée dans le document #FIXED (suivi de la valeur) : valeur de l attribut fixée pour tout élément instance 16

17 Attributs de type ID et IDREF Permettent de créer des renvois à l'intérieur d'un document ID: identifie l élément référencé, IDREF: crée le renvoi Transforment la structure d arbre du document en graphe Exemple DTD <!ELEMENT personne (nom, )> <!ATTLIST personne num ID #REQUIRED> <!ELEMENT livre (titre, auteur+, )> <!ELEMENT auteur EMPTY> <!ATTLIST auteur ref IDREF #REQUIRED> Document <personne num= p1 ><nom>gardarin</nom></personne> <personne num= p2 ><nom>valduriez</nom></personne> <livre> <titre>bases de données</titre> <auteur ref= p1 /> <auteur ref= p2 /> </livre> Remarque: les renvois ne sont pas typés, rien ne garantit qu on référence une personne En fait ref= p1 renvoie vers n importe quel élément qui a un attribut ID de valeur p1 17

18 Déclaration d entités Entité: raccourci, macro Définie par un nom d entité et une valeur On utilise une entité de nom A en écrivant &A; Effet: remplacer dans le document &A; avec la valeur de A Types d'entités: prédéfinies, internes, externes Entités prédéfinies: caractères réservés en XML ou absents sur le clavier lt (<), gt (>), quot ("), amp (&), apos (') Ex: pour dire "i < 5" on écrit "i < 5" #code-unicode (caractère spécifié par son code Unicode) Ex: le caractère de code hexa 00A9 est écrit 18

19 Entités internes et externes Entités internes : valeur définie explicitement dans la DTD Définies dans la DTD: <!ENTITY nom-entité "valeur"> Entités externes XML : valeur définie dans un fichier externe Référencées par URL (mot-clé SYSTEM) Doivent être des documents bien formés <?xml version='1.0'?> <!DOCTYPE bouquin [ <!ENTITY chapitre1 SYSTEM "chap1.xml"> <!ENTITY chapitre2 SYSTEM "chap2.xml"> <!ENTITY auteur "Toto"> ]> <bouquin> <titre> Les joies de XML </titre> <auteur> &auteur; </auteur> <intro> Il était une fois </intro> &chapitre1; &chapitre2; </bouquin> 19

20 Limitations des DTD Peu de types de contenu et d attributs (essentiellement du texte) Vérifications limitées sur la validité du contenu Conclusion Les DTD ne sont pas suffisantes pour l échange de données structurées dans les applications (commerce électronique, intégration de données, ) Mais elles sont encore très utilisées pour des applications simples Autre inconvénient: les DTD ne sont pas en format XML Standard pour les schémas XML plus avancés XML Schema Format XML Une large palette de types (entiers, réels, dates, booléens, etc.) Séparation entre éléments et types un même nom d'élément peut être utilisé avec des types différents, en fonction du contexte Contraintes d intégrité: notions de clé, unicité Héritage de types 20

21 Exemple DTD / XML Schema Type complexe CinemaType Nom (string) Adresse (AdresseType, complexe) Séances (SeanceType, complexe) DTD <!ELEMENT Cinema (Nom, Adresse, Seance*)> <!ELEMENT Nom (#PCDATA)> <!ELEMENT Adresse (Ville, Rue, Numero)>... 21

22 Exemple (suite) XML Schema <xsd:element name= Cinema type= CinemaType /> <xsd:complextype name= CinemaType > <xsd:sequence> <xsd:element name= Nom type= xsd:string /> <xsd:element name= Adresse type= AdresseType /> <xsd:element name= Seance type= SeanceType minoccurs= 0 maxoccurs= unbounded /> </xsd:sequence> </xsd:complextype> <xsd:complextype name= AdresseType > <xsd:sequence> <xsd:element name= ville type= xsd:string /> <xsd:element name= rue type= xsd:string /> <xsd:element name= numero type= xsd:decimal /> </xsd:sequence> </xsd:complextype> 22

23 XML Schema : types simples et complexes Type simple: ensemble de valeurs (pas d élément) DTD: un seul type simple (#PCDATA), 10 types d attributs XML Schema: 43 types simples xsd:integer, xsd:long, xsd:float, xsd:double,... xsd:time, xsd:timeduration, xsd:date, xsd:year, xsd:month,... xsd:string, xsd:boolean, xsd:byte, xsd:language, xsd:urireference... xsd:id, xsd:idref, xsd:nmtoken,... xsd:anytype Types par restriction: longueur, motif (string), intervalle (numérique), etc. Types complexes construits avec : xsd:sequence : séquence ordonnée d éléments (DTD:, ) xsd:all : séquence non-ordonnée d éléments xsd:choice : choix d éléments (DTD: ) xsd:group : regroupement d éléments (DTD: ( ) ) 23

24 Déclaration d éléments et d attributs Éléments <xsd:element name type contraintes...> <xsd:element ref contraintes> Contraintes: minoccurs, maxoccurs, fixed,... Ex: <xsd:element name= nom type= xsd:string minoccurs= 0 maxoccurs= 2 /> Attributs <xsd:attribute name use type...> Use: required, optional, prohibited Ex: <xsd:attribute name= langue type= xsd:language use= optional /> 24

25 Espaces de noms Problème de "collision" dans les noms des balises lorsqu'on veut intégrer des documents XML venant de sources différentes Liberté dans le choix des balises, indépendance des sources Un même nom de balise peut être utilisé avec des significations et des compositions différentes Espace de noms («namespace») Collection de noms d éléments ou noms d attributs, identifiée par un URI Idée: rajouter un préfixe afin de rendre "uniques" et identifiables les noms de ses propres balises Unicité du préfixe: en associant une URI au préfixe <document> <art:film xmlns:art= > <com:acteur xmlns:com= com:nom= Juliette Binoche /> </art:film> </document> 25

26 Nom qualifié et nom universel Nom qualifié Composé d un préfixe (optionnel) et du type de l élément (nom local) Nom universel Composé d une URI (optionnelle) et du type de l élément (nom local) Obtenu à partir du nom qualifié en remplaçant le préfixe par sa définition <document> <art:film xmlns:art= > <com:acteur xmlns:com= com:nom= Juliette Binoche /> </art:film> </document> Nom qualifié art:film com:acteur Nom universel

27 Attribution d un nom universel pour un nom qualifié Problème: étant donné un nom d'élément avec ou sans préfixe, quel est sont nom universel? On peut avoir des espaces de noms sans préfixe : définis par xmlns=uri au lieu de xmlns:pre=uri Un élément sans préfixe appartient à l espace de noms défini par l attribut xmlns de l ancêtre le plus proche. Si cet attribut n existe pas, l élément n appartient à aucun espace de nom. Un attribut sans préfixe n appartient à aucun espace de noms Espace de nom avec un préfixe pre L élément (ou l attribut) avec le préfixe pre appartient à l espace de noms défini par l attribut xmlns:pre de l ancêtre le plus proche. Il y a erreur si cet attribut n existe pas. 27

28 Exemples Un élément sans préfixe peut avoir un nom universel avec une URI <?xml version="1.0"?> <A> <C xmlns=" <D/> </C> </A> 28

29 Exemples (suite) Deux éléments avec le même préfixe peuvent avoir des noms universels avec des URI différentes <?xml version="1.0"?> <A xmlns:p=" <p:b/> <p:b xmlns:p=" <p:c/> </p:b> </A> 29

30 DOM DOM = Document Object Model Modèle de type arbre pour les documents XML API de programmation XML basée sur ce modèle Construit et manipule des arbres XML en mémoire Application Forme sérialisée parseur Forme arborescente sérialisation Forme sérialisée 30

31 Arbres DOM Un parseur DOM: document XML arbre formé d objets chaque objet appartient à une sous-classe de la classe Node des opérations sur ces objets permettent de créer, modifier, détruire des noeuds, ou de naviguer dans le document Nœuds Racine: type Document Les autres nœuds: Element, Attribute, Text, Comment, etc. Structure d arbre Nœuds containeurs («Container»): nœuds internes de plusieurs types Nœuds feuilles («Leaf») Nœuds attribut («Attribute»): similaires aux feuilles, avec quelques différences 31

32 Types de nœuds DOM 32

33 Représentation textuelle Exemple <?xml version="1.0" encoding="iso "?>  <A>Le texte de A Le texte de B <D attr1="1" attr2="azerty"> <C/> </D> <![CDATA[2x < y]]> </A> 33

34 Représentation DOM 34

35 Principales propriétés de Node Propriété Type Propriété Type nodetype short (int) nodename String nodevalue String parentnode Node firstchild Node lastchild Node childnodes NodeList previoussibling Node nextsibling Node attributes NamedNodeMap NodeList: liste (tableau) de Node propriété length int méthode item(int) Node NamedNodeMap: table d association par nom pareil que NodeList + méthode getnameditem(string) Node aussi setnameditem, removenameditem 35

36 Méthodes de Node par rapport à ses enfants insertbefore (Node nouveau, Node enfant) Insère le nouveau nœud en tant que nouvel enfant, juste avant enfant appendchild (Node nouveau) Insère le nouveau nœud en tant que nouvel enfant, en dernière position replacechild (Node nouveau, Node ancien) Remplace l ancien enfant avec le nouveau removechild (Node enfant) Supprime le nœud enfant en question boolean haschildnodes () Vérifie si c est un nœud feuille 36

37 Méthodes de Document pour la création de nœuds Le nœud Document: le premier créé dans un arbre DOM Joue le rôle de fabrique de nœuds pour l arbre dont il est la racine Méthodes createelement() : crée et retourne un nœud Element createtextnode() : crée et retourne un nœud Text createcommentnode() : crée et retourne un nœud Comment 37

38 Programmation DOM en Java JAPX: Java API for XML Processing Incluse dans Java 1.6 (version JAPX 1.4) import javax.xml.parsers.* import org.w3c.dom.* Idée générale Parseur DOM qui transforme un document XML en arbre DOM Le parseur est produit par une fabrique de parseurs L arbre DOM est manipulé à l aide des méthodes de parcours, modification, de l API 38

39 Obtenir un arbre DOM A mettre dans un try catch try{ // création d'une fabrique de parseurs DocumentBuilderFactory fabrique = DocumentBuilderFactory.newInstance(); fabrique.setvalidating(true); //si l on veut vérifier une DTD // création d'un parseur DocumentBuilder parseur = fabrique.newdocumentbuilder(); // transformation d'un fichier XML en DOM File xml = new File("exemple.xml"); Document document = parseur.parse(xml);... } catch(parserconfigurationexception pce){ System.out.println("Erreur de configuration du parseur DOM"); } catch(saxexception se){ System.out.println("Erreur lors du parsing du document"); } catch(ioexception ioe){ System.out.println("Erreur d'entrée/sortie"); } 39

40 Méthodes Java pour Node Pour chaque propriété de Node une méthode get getnodetype(), getnodevalue(), getfirstchild(), Type: Node.ELEMENT_NODE, Node.TEXT_NODE, Node.DOCUMENT_NODE, Node.ATTRIBUTE_NODE, Valeur: pour les nœuds de type attribut, texte, commentaire, Attributs: pour élément Nom: pour attribut, élément, entité, En plus: getlocalname(), getprefix(), getnamespaceuri() Texte gettextcontent(): concaténation du texte dans tout le sous-arbre Des méthodes de modification setnodevalue, settextcontent, insertbefore, appendchild, replacechild, removechild 40

41 Méthodes Java pour Element Informations sur l'élément String gettagname () : nom de l'élément boolean hasattribute (String anom) : existence d'un attribut appelé anom Accès aux sous-éléments NodeList getelementsbytagname(string nom) : liste des sous-éléments appelés nom Accès aux attributs String getattribute (String anom) : valeur de l'attribut appelé anom Attr getattributenode (String anom) : nœud attribut appelé anom void setattribute (String anom, String val) : modifie/ajoute l'attribut anom void setattributenode (Attr node) : ajoute le nœud attribut node void removeattribute (String anom) : supprime l'attribut anom Attr removeattributenode (Attr node) : supprime le nœud attribut node 41